5 situací, kdy za škodu od AI odpovídáte vy

Než začnete automatizaci zavádět, zkuste si odpovědět na otázku: co přesně chcete zautomatizovat? Nejčastěji jde o tři oblasti – generování faktur z objednávek, párování plateb s fakturami a připomínání nezaplacených pohledávek. AI nástroje obvykle umí všechny tři, ale každá oblast vyžaduje jinou konfiguraci. Pokud začnete s párováním plateb, připravte si čistý bankovní výpis bez duplicitních transakcí. Pokud chcete generovat faktury, musíte mít systematicky vedené číselníky zboží a služeb. Bez těchto základů AI jen přesune chyby na jiné místo.

Druhým častým problémem je odpovědnost za obsah, který AI vytvoří na základě vašich dat. Pokud použijete model, který se učí z cizích textů, můžete neúmyslně porušit autorská práva. Generovaný text se může podobat chráněnému dílu, a vy pak čelíte nároku na náhradu škody od autora. Stejně tak může AI zpracovat osobní údaje způsobem, který odporuje nařízení o ochraně osobních údajů. Typická chyba je, že firmy nasadí nástroj bez právní analýzy trénovacích dat. Než začnete AI používat komerčně, prověřte, jaká data byla použita a jaké licence se na ně vztahují. Vyplatí se také zavést interní proces, který každý výstup před zveřejněním kontroluje.

Při samotném zavedení nástroje se vyplatí začít v menším rozsahu – třeba jen s jedním typem dokladu. Nechte si od poskytovatele přesně vysvětlit, jak se trénují pravidla pro zaúčtování a jak se nástroj učí z vašich korekcí. Častou chybou je, že uživatelé ručně opraví chyby, ale nikdy nenahrají tyto opravy zpět do systému, takže se stejné chyby opakují. Věnujte čas počátečnímu nastavení a testování na historických datech – ušetří vám to hodiny oprav v budoucnu.

Častým omylem je spoléhat se na to, že „data nelžou". Data ale vždy vytvářejí lidé, a proto v sobě mají zabudované jejich hodnoty. Pokud váš personální tým historicky dával přednost kandidátům z prestižních univerzit, model toto chování zopakuje – a vy si možná ani nevšimnete, že přehlížíte šikovné lidi z odborných škol. Řešení: při trénování modelu používejte nejen interní data, ale i anonymizované vzorky z veřejných zdrojů, které jsou rozmanitější. A hlavně – nastavte si metrické cíle, které nejsou jen o rychlosti, ale i o diverzitě.

Když personalista nasadí umělou inteligenci na třídění životopisů, často zjistí, že algoritmus přebírá nejen rutinní práci, ale i skryté předsudky. Nejde o technickou chybu, ale o to, že se model učí z historických dat, která už sama o sobě odrážejí nerovnosti. Typická past: systém zvýhodní kandidáty z určité školy, protože v minulých letech prošli výběrovým řízením právě tito lidé. Výsledek? Firmy ztratí šanci získat talenty, které by jim přinesly nový pohled. Řešením není AI zavrhnout, ale nastavit ji tak, aby se z ní nestal nástroj reprodukce stereotypů.

První krok k etické práci s umělou inteligencí je transparentnost vůči uchazečům. Pokud víte, že v první fázi výběru používáte automatizované nástroje, zmiňte to v inzerátu nebo na úvodní stránce kariérního portálu. Uchazeč má právo vědět, jak s jeho daty nakládáte, a to nejen kvůli zákonné povinnosti. Prakticky to znamená: do formuláře přidejte informaci, že životopis prochází algoritmickým zpracováním, a uveďte, co přesně se s daty děje. Vyhnete se tím nedůvěře a zároveň přimějete interní tým k odpovědnějšímu zacházení s algoritmy.

Výběr AI nástroje pro české účetnictví je rozhodnutí, které ovlivní každodenní práci na měsíce dopředu. Nejde jen o to, který program umí nejlépe rozpoznat faktury nebo zaúčtovat doklady. Základní otázkou je, jestli si nástroj poradí s českou legislativou, DPH a specifickými formáty, jako jsou třeba exporty z bankovních portálů. Než se pustíte do porovnávání funkcí, zjistěte si, jak konkrétně nástroj zpracovává česká data – mnoho zahraničních řešení má univerzální šablony, které nesedí na tuzemské účetní standardy.

Na závěr si pamatujte, že automatizace není cíl, ale prostředek. Cílem je mít přehled o tom, co se ve skladu děje, a ušetřit čas pro práci, která firmě přináší peníze. Postupujte systematicky, zapojte zaměstnance do rozhodování a nespěchejte. Dobře zavedená automatizace se projeví nejen v nižší chybovosti, ale i v klidnějších vztazích na pracovišti. Když systém pracuje za vás, můžete se věnovat rozvoji firmy.

Myslete na náklady nejen na pořízení, ale i na provoz. Pravidelné poplatky za předplatné, náklady na školení, úpravy při změně procesů a případná podpora tvoří větší část celkových výdajů než samotná licence. Spočítejte si návratnost na konkrétním příkladu: kolik hodin měsíčně ušetříte a jakou hodnotu má hodina času vašich pracovníků. Realistický odhad je lepší než optimistický slib dodavatele.